Category Simulation & amp; Modellierungsprojekte
Distributed Parallel Computing Patterns für Scientific Python: MPI, DASK und RAY
Reading Time: 8 minutesLernen Sie die parallelen Rechenmuster für MPI, DASK und RAY in Scientific Python kennen. Entdecken Sie, wann sich jedes Framework auszeichnet und wie Sie das richtige verteilte Rechner-Tool für Ihre Simulation auswählen.
Differentialgleichungen als Rückgrat von Simulationen
Reading Time: 7 minutesSimulationen helfen uns, Systeme zu untersuchen, die sich im Laufe der Zeit ändern. Eine Simulation kann zeigen, wie sich ein Auto bewegt, wie sich die Hitze im Metall ausbreitet, wie eine Population wächst, wie eine Flüssigkeit fließt oder wie sich Wettermuster entwickeln. Dies kann zunächst nur wie eine Programmieraufgabe aussehen. Sie schreiben Code, führen das […]
Reproduzierbare Simulations-Workflows in der Chemie- und Materialforschung: Was Teams dokumentieren sollten
Reading Time: 6 minutesReproduzierbarkeit in der Chemie- und Materialsimulation ist nicht nur eine Frage des Speicherns eines Skripts, dem Hochladen eines Datensatzes oder der Aufbewahrung eines Ordners mit Eingabedateien. Ein Workflow ist reproduzierbar, wenn ein anderer Forscher verstehen kann, wie aus einer wissenschaftlichen Frage ein Modell wurde, wie dieses Modell zu einem ausführbaren Lauf wurde, wie der Lauf […]
Inverse Probleme und Parameterschätzung für PDE-Modelle
Reading Time: 14 minutesErfahren Sie, wie Sie unbekannte Parameter aus PDE-Simulationen mithilfe von Adjoint-Methoden, Bayes'schen Inversions- und Python-Paketen wie Trips-Py und Dolfin-Adjoint schätzen.
Operator-Splitting, Strang-Splitting und IMEX-Schemata für PDE-Solver
Reading Time: 9 minutesZeitabhängige partielle Differentialgleichungen kombinieren oft mehrere physikalische Prozesse. Ein Transportmodell kann Advektion, Diffusion, chemische Reaktionen, externe Quellen und nichtlineares Feedback umfassen. Jeder Teil kann unterschiedliche mathematische Eigenschaften haben und kann eine andere numerische Behandlung erfordern. Die Advektion wird üblicherweise mit Methoden für den wellenartigen Transport behandelt. Diffusion schafft oft Steifigkeit und profitiert von der impliziten […]
Vergleichen von Kontinuums- und diskreten Modellierungsansätzen
Reading Time: 6 minutesWissenschaftliche Modelle vereinfachen komplexe Systeme, sodass Forscher und Ingenieure das Verhalten untersuchen, Annahmen testen und Ergebnisse vorhersagen können. Eine der wichtigsten Modellierungsoptionen ist, ob ein System als kontinuierliches Medium oder als Satz separater Komponenten beschrieben werden soll. Ein Kontinuumsmodell repräsentiert Eigenschaften wie Druck, Temperatur, Dichte, Geschwindigkeit, Spannung oder Konzentration als Felder, die sich über Raum […]
Fenics vs Fipy vs OpenFoam: Auswahl des richtigen Python-PDE-Solver
Reading Time: 7 minutesschnelle Antwort Sie wählen keinen PDE-Solver nach seinem Namen. Sie wählen es nach dem Problem, das Sie lösen müssen. FIPY ist eine gute Wahl, wenn Ihre Gleichungen Diffusions-, Phasenfeld- oder Reaktionsdiffusionsprozesse in 1D oder 2D beinhalten und Sie in Pure Python schnell prototypen möchten. Es ist eine der schnellsten Möglichkeiten, eine funktionierende Simulation zu erhalten, […]
Computational Materials Science Frameworks: Elch gegen Prismen-PF gegen OpenPhase
Reading Time: 7 minutesEin praktischer Vergleich von drei führenden Open-Source-Phasenfeld-Frameworks für die Mikrostruktursimulation, der deren numerische Methoden, Stärken, Einschränkungen und Best Use-Cases abdeckt. Schlüssel zum Mitnehmen Moose eignet sich am besten für Multiphysik-Simulationen, die Phasenfeld mit fester Mechanik, Wärmeübertragung oder anderen Feldern verbinden. Es verwendet FEM mit impliziten Lösern und verfügt über ein breites Ökosystem von Physikmodulen. Prisms-PF […]
Auswahl des richtigen Python-PDE-Solver: FIPY vs PY-PDE gegen Fenics
Reading Time: 8 minutesDie Wahl zwischen Python-PDE-Lösern kann sich wie die Wahl zwischen drei verschiedenen Sprachen anfühlen. Das gleiche Problem, das numerisch partielle Differentialgleichungen löst, wird je nach ausgewählter Bibliothek auf sehr unterschiedliche Weise behandelt. Dieser Leitfaden vergleicht FIPY, PY-PDE und FENICS über die für die Forschung wichtigen Kriterien: Numerische Methode, Geometrieunterstützung, Lernkurve, Ökosystem, Leistung und Best Use-Cases. […]
Netzqualität und Konvergenzstudien: Ein praktischer Leitfaden für wissenschaftliche Simulationen
Reading Time: 9 minutesTL; DR Stellen Sie vor einer wissenschaftlichen Simulation sicher, dass das Netz geometrische Qualitätsprüfungen besteht, und stellen Sie dann nach, dass sich die Ergebnisse bei weiterer Verfeinerung nicht wesentlich ändern. Eine Netzkonvergenzstudie, bei der mindestens drei Gitterebenen verwendet werden, kann Diskretisierungsfehler durch Richardson-Extrapolation und den Gitterkonvergenzindex quantifizieren. Dieser Leitfaden erklärt die wichtigsten Metriken, praktischen Schwellenwerte […]